基于POMDP的贪婪算法次优频谱接入

在ad hoc网络中, 由于受硬件和能量的限制,在没有数据发送的情况下,次用户无法监控到频谱,不能执行全频谱的感知,因此,针对现有的机会频谱接入(OSA)算法大都基于信道状态具有完全知识的马尔科夫建模的情况,本文提出了基于部分可观察的马尔科夫(POMDP)的决策论方法,该方法综合考虑了机会频谱共享系统的感知和接入优化策略。由于受维数灾难的影响,本文设计了一种基于贪婪算法次优的频谱接入方法,并从理想感知和感知错误存在两方面进行仿真分析。结果表明,在POMDP模型下该方法能有效地避免主次用户之间的资源使用冲突,实现对频谱的有效利用。     

基于POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

一种能量有效的认知无线电信道搜索机制研究

针对当前认知无线电中频谱搜索机制在能量有效方面的不足,提出了一种在瑞利衰落条件下基于部分可测马尔科夫决策过程(POMDP)的多无线电信道搜索机制MRCSS.该机制通过对瑞利衰落环境中信道状态建立POMDP模型来分析和推导出能效最佳信道,并以此指导用户的信道选择.仿真结果表明该机制能较传统搜索机制更有效地减少感知时间和节...     

一种新型认知无线电信道状态的预测算法

基于部分可测马尔科夫决策过程(POMDP)模型,结合认知无线电频谱侦测技术,提出一种新的多无线电多信道环境下认知无线电检测信道算法.该算法通过对信道状态历史信息的分析,推导出信道信念状态的初始分布和转移概率;然后,以此选择出具有最佳回报的信道以供接入,使得次用户能获得最佳带宽回报,从而达到提高信道利用率的目的.仿真结果表明,算法获得相对于传统认知无线电频谱接入方式更高的信道带宽,并接近无漏检和虚警现象的理想情况,有效地提高了信道利用率.     

基于快速MCVI算法实现CR信道接入*

在认知无线电(CR)技术中,无线网接入是一个极为重要的问题。针对这一问题,当前主流的解决思路包括博弈算法和基于部分可观测马尔科夫决策过程模型(POMDP)的算法。相比于博弈算法,基于POMDP模型的算法具有更好的环境适应性。在此背景下,本文提出了基于POMDP模型的快速蒙特卡罗值迭代算法(Fast MCVI)解决无线网接入问题。与其它解决POMDP模型的算法不同,该算法可解决值连续状态空间下的POMDP模型,具有更好的可靠性和稳定性。另外,相比于传统MCVI算法,快速MCVI算法使用非可支配排序遗传算法(NSGA2)进行优化,加快了算法收敛速度,使其在相同运行时间内能获得更好的决策结果。实验证明,通过值连续状态空间的POMDP模型对CR接入问题建模并使用快速MCVI算法进行决策,网络吞吐率比传统MCVI算法提高了1~1.7个百分点,比贪心算法提高了2.8~5个百分点。     

基于快速蒙特卡罗值迭代算法实现认知无线电信道接入

在认知无线电(CR)技术中,无线网接入是一个极为重要的问题。针对这一问题,当前主流的解决思路包括博弈算法和基于部分可观测马尔科夫决策过程模型(POMDP)的算法。相比于博弈算法,基于POMDP模型的算法具有更好的环境适应性。在此背景下,提出了基于POMDP模型的快速蒙特卡罗值迭代算法(fast MCVI)解决无线网接入问题。与其他解决POMDP模型的算法不同,该算法可解决值连续状态空间下的POMDP模型,具有更好的可靠性和稳定性。另外,相比于传统MCVI算法,快速MCVI算法使用非可支配排序遗传算法(NSGA2)进行优化,加快了算法收敛速度,使其在相同运行时间内能获得更好的决策结果。实验证明,通过值连续状态空间的POMDP模型对CR接入问题建模并使用快速MCVI算法进行决策,网络吞吐率比传统MCVI算法提高了1~1.7个百分点,比贪心算法提高了2.8~5个百分点。     

基于协作的动态频谱租赁序贯博弈

针对认知无线电频谱共享问题,在主用户与多接入感知用户共存的场景下,提出并分析了一种频谱租赁分层模型。该模型中感知用户间的竞争接入采用分布式异构机会功率控制方式;主从网络之间的竞争与协作采用序贯博弈。对博弈的完全信息模型给出了逆向归纳法求解方案,对不完全信息场景给出了一种近似求解方案。理论分析与仿真结果证明了所提出的模型与算法能够保证主用户的保留支付,并在两个层次(主从网络之间以及感知网络内)上公平的共享频谱。     

一种基于信道感知和预测的多址接入方法

为了实现认知无线电系统中机会式的频谱接入、主动避免对主用户的干扰,提出了一种基于信道感知和预测的多址接入方法。考虑主用户对信道的占用过程具有一定的突发性和相关性,将主用户的活动规律建模为半马尔可夫过程。新算法充分利用信道感知结果和主用户的活动规律预测下一个时刻主用户的状态及剩余状态持续时间,并采用递归预测误差法进行参数估计。仿真结果表明,与传统的载波侦听多址接入算法相比,新算法能够在保证主用户阻塞概率约束的前提下,较大地提高频谱利用率,非常适用于认知无线电。     

认知无线电中基于声望和重叠式联盟博弈的频谱感知和资源分配算法

在认知无线电网络中,次用户频谱感知和接入会受到多径衰落和阴影衰落等因素的影响.为了提高频谱感知准确度和资源分配效率,将多个次用户合作频谱感知和接入问题建模为重叠式联盟博弈模型,每个次用户可以加入多个联盟来提升自己的期望收益.为了提高全局有效吞吐量和资源分配公平性,引入声望机制来设计联盟资源分配规则,提出了基于声望值的重叠式联盟形成(R-OCF)算法.仿真结果表明:与无声望机制算法和分离式联盟形成(DCF)算法相比,R-OCF算法的资源分配效率和公平性更高;同时,次用户的期望收益和自身声望值相关,次用户的声望值越高,获得的期望收益越大.     

认知无线电中感知信道的优化选择方法

在认知无线电中,频谱感知是实现频谱动态接入的重要前提和核心环节,文中在多用户多信道环境下基于能量检测提出了一种感知信道优化选择的方法。该方法从最大化一个次用户感知一个主用户信道能获得的归一化吞吐量出发,在目标检测概率限制下,提出了基于改进的匈牙利算法进行感知信道选择的最优方法。仿真结果表明,与感知信道随机选择方法相比较,文中提出的方法可以大大提高整个次用户网络的归一化吞吐量。     

基于动态多频谱感知的认知无线网络信道接入策略

针对固定频谱感知信道接入机制授权信道分配效率低的问题,提出一种多用户场景下基于动态多频谱感知的认知无线网络信道接入策略.该策略根据认知用户接入请求等级与空闲频谱发现概率为认知用户动态分配感知信道数量,首先分析了认知用户的最佳感知频谱分配数量,在此基础上通过建立认知用户信道接入模型和授权信道可用度更新机制,设计了一种动态感知频谱分配策略,并采用短视策略对网络吞吐量进行了分析.仿真结果表明,所提信道接入策略要比现有认知无线网络信道接入策略提高了网络吞吐量和认知用户接入的公平性,降低了认知用户的平均接入时延.     

基于迭代用户选择的合作频谱感知算法

针对认知无线电中经典频谱感知算法 (能量检测、算术几何平均、信号特征值子空间、最大特征值检测)存在不同程度缺陷的问题,为了进一步提高频谱感知算法的检测性能,提出了基于迭代用户选择(iterative user selection, IUS)的合作频谱感知算法。该算法先对参与合作感知的全部认知用户进行选择,然后在选出的部分用户频谱观测数据的基础上,生成全局检验统计量(global decision statistic, GTS),以此做出授权用户(primary user, PU)信号是否存在的全局判决。仿真结果显示,在虚警概率保持不变的情况下,进行迭代用户选择后,合作频谱感知的检测概率要优于未进行用户选择时的算法。与经典频谱感知算法相比较, IUS的合作频谱感知算法不需要任何先验信息,且以较少的频谱观测数据达到较好的检测性能。     

基于Q-learning的动态频谱接入算法研究

设计了一种基于Q-learning的动态频谱接入算法.该算法的利用Q-learning自适应能力强的优势,帮助认知用户感知合适的信道并接入,认知用户通过不断地与环境交互学习选择回报率最高的信道,实现频谱资源的二次利用.最后对该算法进行了仿真,仿真结果表明所提算法能够提高认知用户吞吐量,降低与主用户冲突概率,且能以较快的速度收敛,这对于解决频谱资源利用问题有着重大的意义.     

非对称认知网络中分布式多用户频谱共享算法

为解决多用户冲突导致非对称认知网络吞吐量降低的问题,根据网络中用户信道收益矩阵的特点,提出了一种分布式多用户联合频谱共享方法.首先,基于Gale-Shapley理论实现认知用户和信道之间的"一对一"频谱分配,以避免认知用户之间的竞争冲突;其次,在未知信道先验知识或者认知用户仅有部分信道感知能力时,通过顺序最优学习算法获取信道收益信息;同时设置接入定时器,实现分布式机会频谱共享.仿真结果表明:所提方法的平均网络吞吐量明显优于随机等分布式算法,且复杂度比最优算法大大降低,收敛速度较快,适于感知带宽受限和用户地理位置分散的非对称认知网络.     

基于干扰门限的动态频谱接入及性能分析

如何在不干扰授权用户(主用户)正常通信的情况下提高次用户使用频谱的效率,这是认知无线电系统中需要解决的关键问题。在主用户优先的基础上,提出了基于干扰门限的动态频谱接入系统的M arkov频谱占用模型,并基于该模型对动态频谱接入过程进行了分析。为了进一步降低次用户间的相互干扰,通过对次用户接入概率的设计,以协调各类次用户间的频谱接入。在3种优化准则下,对次用户依据概率接入的基于干扰门限的主用户优先的动态频谱接入系统进行了仿真。仿真结果表明,基于干扰门限的主用户优先的动态频谱接入系统能大大提高次用户的接入机会,最大程度地提高了次用户的吞吐量。在比例公平准则下次用户接入的性能,与最大化吞吐量准则相比体现了更好的公平性,与最大化最小准则相比能够获得更大的吞吐量,因此基于比例公平准则可以使得系统在高效性和公平性间得到很好的均衡。     

基于EEF准则的认知无线电合作频谱感知

频谱感知是认知无线电的一个重要组成部分.提出了一种基于指数嵌入族(exponentially embedded family,EEF)准则的合作频谱感知算法.与传统方式下所有合作用户皆参加检测的方法不同,提出的算法依靠用户选择机制,并且不需要知晓授权用户信号的任何先验信息.该算法先对参与合作频谱感知的认知用户进行筛选,然后在筛选出的最优用户频谱观测数据的基础上生成全局检测统计量(global decision statistic,GTS),最后对授权用户是否存在做出全局判决.仿真表明,在虚警概率保持不变的情况下,进行最优用户选择(optimal user selection,OUS)的合作频谱感知算法的检测概率优于未进行最优用户选择的算法.     

基于用户公平性的抗干扰频谱接入方法

针对共存式频谱接入方法中存在干扰的问题和多认知用户无线通信系统中认知用户之间的系统资源分配不公平的现象,提出了一种基于用户公平性的抗干扰频谱接入方法.在该方法中,如果认知用户能够帮助授权用户达到目标速率,就能够获得机会接入授权用户的频谱,认知系统根据认知用户的信道条件和吞吐量选择出一个认知用户接入授权用户的频谱.认知用户接入授权用户的频谱后,利用一部分带宽转发授权用户的信息帮助其达到目标速率,然后利用剩余的带宽发送自己的信息.由于认知用户使用不同的带宽分别发送授权用户和自己的信息,所以授权用户和认知用户之间不会产生干扰.研究了认知用户如何进行带宽分配,使得在保证授权用户达到目标速率的条件下,最大化认知用户的速率,以及如何进行认知用户选择,保证认知用户频谱接入的公平性仿真结果验证了该频谱接入方法的有效性和公平性.     

基于压缩感知的联合协作频谱感知算法

基于压缩感知的联合协作频谱感知方法实现动态频谱感知,通过融合各次用户(SU)采集的感知数据,寻找超参数,并与判决门限值进行比较,以获得最终的频谱判决结果.基于压缩感知的联合协作频谱感知算法减少了单个SU对压缩感知数据的不确定性,归一化均方误差（MSE）性能较好,并且该算法能够有效利用SU压缩感知数据信息,与其他典型算法相比,能获得更高的正确检测概率和较小的虚警概率.     

基于POMDP的认知无线电动态频谱接入算法

针对当前认知无线电动态频谱接入算法实现复杂度高的缺点,提出了在硬件受限制的情况下,基于部分可观察马尔科夫决策过程的动态频谱接入算法.该算法利用多次对外界信道的检测得到对外界环境的估计,然后根据此估计以当前和未来收益总和最大化为目标,实频谱接入,并实现了最优解和贪心法次优解.该算法比随机检测接入算法多获得约25%的带宽,贪心法的次优解在阶段数较少时与最优解性能非常接近.     

面向多异质用户的分布式动态频谱接入方法

针对认知无线电网络中多个次用户存在不同服务质量(quality of service,QoS)需求的频谱接入问题,提出了基于Dueling DQN(dueling deep Q-network)的分布式动态频谱接入方法.该方法通过与环境交互学习实现在次用户不掌握系统信道先验信息条件下动态获得最佳频谱接入策略,并以次用户碰撞次数以及成功接入信道次数分析比较所提出方法的性能.仿真结果表明,提出的方法在保护主用户不受干扰、满足多异质用户QoS需求的前提下,能够有效减少次用户间碰撞次数,提高次用户成功接入信道次数,相比随机接入与短视策略(myopic policy)频谱接入方法,该方法的碰撞次数分别降低60％和90％,其成功接入性能分别提高30％和50％.